Estadística con R. Curso práctico

Sinopsis del producto

Título: Estadística con R. Curso práctico n nISBN: 9786075764771 n nAutores: William Castiblanco Vargas n nEdición 1 n nAño: 2026 n nEditorial: Alfaomega - RA-MA n nEncuadernación: Rústica n nMedida: 15X22 n nPáginas: 284 n nLomo: 13 mm n nPeso: 490 gr n nColores interior: 1 n nIdioma: Español n nNivel: Intermedio n nÁrea: Ciencia y tecnología n nSubárea: Ciencias Básicas n nEsta obra muestra al lector cómo convertir los conceptos estadísticos en soluciones aplicadas mediante el uso del software R y RStudio, herramientas indispensables en la investigación moderna. n nLa obra acompaña al lector en todo el proceso estadístico: desde la definición del problema y el diseño muestral, hasta el análisis, interpretación y presentación de resultados. Cada capítulo introduce las funciones y operaciones básicas en RStudio, el manejo de matrices y data frames, la carga de datos desde diferentes formatos, la creación de gráficos y el desarrollo de modelos de regresión lineal y múltiple, siempre con ejemplos reproducibles en el propio entorno de trabajo. n nCada tema incluye ejemplos aplicados a distintas disciplinas, que muestran el amplio campo de aplicación de la estadística. Los ejercicios y casos prácticos, cuidadosamente seleccionados y de autoría propia, permiten afianzar los conocimientos adquiridos y aplicar directamente lo aprendido en R. n nCon un enfoque didáctico y orientado a la práctica, este libro no solo explica los fundamentos estadísticos, sino que enseña a implementarlos paso a paso en RStudio, convirtiéndose en una herramienta esencial para cualquier profesional que desee dar solidez científica a sus proyectos. n n1.1.5 Realizar un censo o muestreo n n1.1.6 Selección de la muestra n n1.1.7 Tipo de muestreo a aplicar n n1.1.8 ¿Qué es lo que se desea estudiar? n n1.1.9 Recopilar la información n n1.1.10 Tabulación de la información n n1.1.11 Análisis de la información n n1.1.12 Interpretación de la información n n1.1.13 Informe estadístico n n  n nCapítulo 2. Métodos gráficos para representar variables n nRepresentación gráfica de las variables cualitativas n n2.1 Clasificación de las variables n n2.2 Representación gráfica de las variables n nEjercicios n n  n nCapítulo 3. Métodos numéricos para representar datos cuantitativos n n3.1 Generalidades n n3.2 Clasificación n n3.2.1 Medidas de tendencia central n n3.2.1.1 La moda n n3.2.1.2 La mediana n n3.2.1.3 La media aritmética n n3.2.2 Medidas de variación n n3.2.2.1 La varianza n n3.2.2.2 La desviación estándar n n3.2.2.3 Intervalo o rango n n3.2.2.4 Rango intercuartil n n3.2.2.5 Coeficiente de variación n n3.2.3 Medidas de posición relativa o localización n n3.2.3.1 Percentil n n3.2.3.2 Cuartil n n3.2.3.3 Valor Z n n3.2.4 Medidas robustas n n3.2.4.1 Trimean n n3.2.4.2 Trimmed mean n nEjercicios n n  n nCapítulo 4. Funciones y operaciones básicas con el uso de la herramienta estadística de RStudio n n4.1 Cómo definir las variables e introducir los datos en el programa RStudio n n4.1.1 Instalación del software R n n4.1.2 Instalación del software RStudio n n4.1.3 Características de la consola de RStudio n n4.1.3.1 Sintaxis básica para introducir los datos y realizar su operación n n4.1.3.2 Funciones en RStudio n n4.1.4 Matrices n n4.1.4.1 Propiedades n n4.1.4.2 Operaciones básicas entre matrices n n4.1.5 Data frame n n4.1.5.1 Acceso a la información de un data frame n n4.1.6 Cargar una base de datos a RStudio n n4.1.6.1 Archivo en formato Excel n n4.1.6.2 Archivos en formato csv n n4.1.6.3 El paquete Readr n n4.2. Visualización de gráficos en R n nEjercicios n n  n nCapítulo 5. Estimación n nGeneralidades n n5.1 Formas de hacer inferencia acerca de los parámetros de una población n n5.2 Métodos para la inferencia sobre los parámetros de una población n n5.3 Propiedades de los estimadores puntuales n n5.4 Obtención de estimadores puntuales n n5.4.1 Métodos de momentos n n5.5 Estimadores de intervalo n n5.5.1 Cálculo de un intervalo de confianza del 95 % para µ, cuando el tamaño de la muestra es pequeño n n5.6 Estimación de la media de una población n n5.6.1 Intervalo de confianza de muestra grande de (1 - ?)100% para la media de la población, µ n n5.7 Estimación de la diferencia entre las medias de dos poblaciones: muestras independientes n n5.7.1 Intervalo de confianza de muestra grande de (1 — ?)100% para (µ1 — µ2) n n5.7.1.1 Muestras independientes n n5.7.1.1.1 Intervalo de confianza de muestra pequeñas de (1 — ?)100% para (µ1 — µ2) n n5.7.1.1.2 Intervalo de confianza de muestra pequeñas de (1-?)100% para (µ1 - µ2 ). Muestras independientes y s2 1 ? s2 2 n n5.7.1.2 Estimación de la diferencia entre las medias de dos poblaciones. Pares coincidentes n n5.7.1.2.1 Intervalo de confianza de (1 — a)100% para µd = (µ1 — µ2). Pares coincidentes n n5.8 Estimación de la proporción de una población n n5.8.1 Intervalo de confianza de (1-a) 100% con muestra grande para una proporción de población p n n5.8.2 Estimación de la diferencia entre las proporciones de dos poblaciones n n5.8.2.1 Intervalo de confianza de (1-a) 100% con muestras grandes para (p1 - p2) n n5.9 Estimación de la varianza de una población n n5.9.1 Intervalo de confianza de (1 - a) 100% para la varianza de unapoblación s2 n n5.10 Estimación de la razón de las varianzas de dos poblaciones n n5.10.1 Intervalo de confianza de (1 - a) 100% para el cociente de dos varianzas de poblaciones s / s 1 n n2 2 2 n nEjercicios n n  n nCapítulo 6. Prueba de hipotesis n n6.1 Elementos de una prueba de hipótesis n n6.2 Evaluación de una prueba estadística n n6.3 Prueba estadística de un solo extremo n n6.4 Prueba estadística de dos extremos n n6.5 Prueba estadística para muestra grande con respecto a la distribución normal estándar z n n6.6 Prueba de hipótesis con muestra grande (n > 30) relativa a una media de población µ n n6.7 Prueba de hipótesis con muestra pequeña relativa a una media de población µ n n6.8 Nivel de significancia de una prueba n n6.9 Prueba de la diferencia entre las medias de dos poblaciones. Muestras independientes n n6.9.1 Prueba con muestra grande de hipótesis relativas a (µ1 — µ2 ). Muestras independientes n n6.9.2 Prueba con muestra pequeña de hipótesis relativas a (µ1 — µ2) cuando s1 2 = s2 n n2 y las muestras son independientes n n6.9.3 Prueba con muestra pequeña de hipótesis relativas a (µ1 — µ2) cuando s1 n n2 ? s2 n

n
2. Para muestras independientes
n

n6.10 Prueba de la diferencia entre las medias de dos poblaciones. Pares coincidentes n n6.10.1 Prueba con muestra grande de hipótesis acerca de (µ1 — µ2 ). Pares coincidentes n n6.10.2 Prueba con muestra pequeña de hipótesis acerca de (µ1 — µ2). Pares coincidentes n n6.11 Prueba de proporción de una población n n6.11.1 Prueba con muestra grande de hipótesis acerca de una proporción de población n n6.12 Prueba de hipótesis con muestras grandes de la diferencia entre las proporciones de dos poblaciones (p1 — p2) . Muestras n nindependientes n n6.13 Prueba de hipótesis de la varianza de una población n n6.14 Prueba de la de hipótesis para la razón de dos varianzas de población s1 2/ s2 n

n
2. Muestras independientes
n

nEjercicios n n  n nCapítulo 7. Modelo de regresión lineal n n7.1 Características del modelo de regresión lineal n n7.2 Análisis de los diferentes modelos de regresión lineal n n7.3 Supuestos del modelo de regresión lineal n n7.3.1 Características del modelo lineal simple n n7.3.2 Supuestos respecto a e n n7.4 Método de mínimos cuadrados: estimación de ß0 y ß1 n n7.5 Un estimador de s2 n n7.6 El coeficiente de correlación n n7.7 Prueba de hipótesis para la correlación lineal ? n n7.8 Coeficiente de determinación n n7.9 Cómo utilizar el modelo para estimar y predecir n n7.9.1 Intervalo de confianza de (1 — a)100% para el valor medio de y cuando x = xp n n7.9.2 Intervalo de predicción de (1 — a)100% para el valor medio de y cuando x = xp n n7.10 Cálculo del modelo lineal utilizando R n nEjercicios n n  n nCapítulo 8. Modelo de regresión lineal múltiple n n8.1 Supuestos del modelo n n8.2 Ajuste del modelo. Método de los mínimos cuadrados n n8.3 Modelo de regresión lineal múltiple. Representación matricial n n8.4 Estimación de ß. Método de mínimos cuadrados n n8.5 Bondad de ajuste. Coeficiente de determinación múltiple —R2 n n8.5.1 Bondad de ajuste. Coeficiente de determinación -R2 n n8.6 Propiedades de los estimadores de mínimos cuadrados n n8.7 Cálculo de la estimación de s2. La varianza de e n n8.8 Intervalo de confianza de (1 — a)100% para ßi n n8.9 Prueba de un coeficiente de parámetro individual en el modelo de regresión múltiple n n8.10 Prueba de idoneidad general del modelo. Prueba F de análisis de la varianza (ANOVA) n n8.11 Intervalo de confianza para E(y) n n8.11.1 Intervalo de confianza para E(w) n n8.11.2 Intervalo de confianza de (1 — a)100% para E(y) n n8.12 Intervalo de predicción de(1 — a)100% para y n n8.13 Ejercicio práctico de un caso real con la aplicación del modelo lineal multivariado con R n n8.13.1 Hipótesis o supuestos del modelo — sobre los errores n n8.13.2 Pasos que involucran el desarrollo del ejercicio n n8.13.3 Análisis preliminar n n8.13.3.1 Gráfico de correlaciones n n8.13.3.2 Matriz de correlaciones n n8.13.3.2.1 Correlación parcial n n8.13.3.3 Ajuste del modelo n n8.13.3.3.1 Cálculo de la estimación puntual n n8.13.3.3.2 Cálculo por el intervalo de confianza n n(calculado al 95 %) n n8.13.3.3.3 Prueba de hipótesis n n8.13.3.4 Bondad de ajuste n n8.13.3.4.1 Error estándar residual (estimación de sigma se ) n n8.13.3.4.2 Tabla de ANOVA n n8.13.3.4.3 Bondad de ajuste. Cálculo del coeficiente de n ndeterminación, R2 n n8.13.3.5 Diagnóstico del modelo: respecto a los errores n n8.13.3.5.1 Normalidad n n8.13.3.5.2 Prueba para definir si los errores son normales n n8.13.3.5.3 Homocedasticidad n n8.13.3.5.4 Incorrelación n n8.13.3.5.5 Media de los errores igual a cero n n8.14 Procedimiento secuencial de selección de variables n n8.14.1 Método AIC n n8.15 Estimación de la respuesta media y predicción para una nueva observación n nEjercicios n nApéndice A. Teorema del límite central n nReferencias bibliográficas

9786075764771